基于半监督随机森林分类算法的齿轮故障诊断

• 作者: 尹际雄 马步芳 魏永合
• 来源期刊: 沈阳理工大学学报
• 学科: 工学
• 关键词: 齿轮故障 随机森林 半监督学习 自训练
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 机械工程
• 页码范围: 53-58
• 页数: 6页
• 分类号: TH133
• 语种: 中文
• DOI: 10.3969/j.issn.1003-1251.2020.04.011

摘要

针对齿轮故障振动信号的非平稳、非线性特点及有标签故障样本稀缺的问题,提出一种基于半监督随机森林分类算法的齿轮故障诊断方法.该模型先利用变分模态分解(Variational mode decomposition,简称VMD)方法将齿轮故障振动信号分解成若干个本征模态函数(Intrinsic mode function,简称IMF),并对各IMF分量进行特征提取.然后利用随机森林算法依次选择相关性较高的敏感特征,最后利用改进的半监督学习自训练方法结合随机森林算法,用少量标记样本训练初始分类器,再对大量未标记样本进行预测.将置信度高的样本用来扩充训练集,不断更新分类器提高其泛化能力.通过实验验证,该方法有效利用齿轮故障诊断中的大量低廉的无标签样本数据,提高了齿轮故障诊断的准确率.